【技术实现步骤摘要】
本专利技术属于自动化控制，具体涉及一种基于浓度的液体添加剂智能调配方法、系统及介质。
技术介绍
1、饲料作为新兴的行业，在近几十年来得到了快速发展，形成了比较完善、一定规模的产业体系。我国饲料的成套设备能力已经达到一定的水平,并且在饲料产品的种类和规格上基本都能满足市场多样化的需求。随着饲料行业的发展，饲料厂生产饲料所需液体添加剂种类越来越多，除此之外，随着饲料市场环境的变化和企业之间竞争的加剧，实现饲料产业的自动控制就变得尤为重要。但是，我国饲料产业的自动化水平普遍较低，在控制系统的可靠性和稳定性等方面还存在一系列的问题。其中最突出的问题是配料工段中对于液体添加精度控制效果差以及饲料生产质量把控不严谨等问题。
技术实现思路
1、为解决现有技术中存在的上述问题，本专利技术提供了一种基于浓度的液体添加剂智能调配方法、系统及介质，通过获取饲料配方数据和液体混合成分数据，饲料配方数据包括原料编号、预设原料浓度信息，通过调用原料数据库，根据原料编号得到原料初始浓度信息，根据液体混合成分数据通过配比分析模型处理得到目标原料浓度信息，通过浓度偏差模型处理目标原料浓度信息得到浓度偏差值，根据浓度偏差值得到调整指令和调整结果信息，根据饲料混合湿度信息结合通过浓度评估法处理调整结果得到的原料浓度评估系数得到智能调配信息，根据智能调配信息生成目标质量向量矩阵，根据饲料标准质量信息得到标准质量向量矩阵，根据目标质量向量矩阵和标准质量向量矩阵得到质量等级，减少人工干预造成的误差，提高了液体添加精度，实现了
2、本专利技术的目的可以通过以下技术方案实现：
3、一种基于浓度的液体添加剂智能调配方法，包括如下步骤：
4、s1：获取饲料配方数据和液体混合成分数据，所述饲料配方数据包括原料编号、预设原料浓度信息；
5、s2：调用原料数据库，根据所述原料编号通过所述原料数据库进行匹配得到原料初始浓度信息，根据所述液体混合成分数据通过配比分析模型处理得到目标原料浓度信息；
6、s3：根据所述原料初始浓度信息和所述预设原料浓度信息通过训练得到配比偏差模型，通过所述浓度偏差模型处理所述目标原料浓度信息得到浓度偏差值，根据所述浓度偏差值生成调整指令，根据所述调整指令得到调整结果信息，所述调整指令包括加水稀释、加原料混合，所述调整结果信息包括最终液体混合浓度；
7、s4：获取饲料混合湿度信息，根据所述调整结果信息通过浓度评估法处理得到原料浓度评估系数，根据所述饲料混合湿度信息结合所述原料浓度评估系数得到智能调配信息；
8、s5：获取饲料标准质量信息，根据所述智能调配信息生成目标质量向量矩阵，根据所述饲料标准质量信息得到标准质量向量矩阵，根据所述目标质量向量矩阵和所述标准质量向量矩阵通过余弦相似度公式计算质量相似度，根据所述质量相似度得到质量等级，所述质量等级包括特级饲料、一级饲料、合格饲料。
9、优选地，所述步骤s2具体包括以下步骤：
10、s201：根据所述原料编号得到原料编号集合，所述原料编号集合表示为：，根据所述原料初始浓度信息得到原料初始浓度集合，所述原料初始浓度集合表示为：，其中，an表示编号为n的所述原料编号，表示编号为n的所述原料编号对应的所述原料初始浓度信息；
11、s202：通过所述配比分析模型计算所述目标原料浓度信息，计算公式为：，其中，表示第n个所述目标原料浓度信息，b表示所述原料初始浓度集合，a表示所述原料编号集合，vo表示所述液体混合成分数据，kp和pv表示比例系数，bias表示前馈值，表示卷积运算。
12、优选地，所述步骤s3具体包括以下步骤：
13、s301：通过所述浓度偏差模型计算所述浓度偏差值，计算公式为：，wi表示所述浓度偏差值，fi表示所述原料初始浓度信息，gi表示所述预设原料浓度信息，s表示所述目标原料浓度信息，表示允许误差系数；
14、s302：当所述浓度偏差值大于等于预设阈值时，生成所述调整指令为所述加水稀释，当所述浓度偏差值小于预设阈值时，生成所述调整指令为所述加原料混合。
15、优选地，所述步骤s4具体包括获取加水量，根据所述最终液体混合浓度和所述饲料混合湿度信息通过所述浓度评估法处理得到所述浓度评估系数，计算公式为：，其中，表示所述浓度评估系数，α和β表示权重系数，ai表示所述最终液体混合浓度，wi表示所述加水量，wk表示所述饲料混合湿度信息，根据所述饲料混合湿度信息结合所述浓度评估系数得到所述智能调配信息。
16、优选地，所述步骤s5具体包括以下步骤：
17、s501：根据所述智能调配信息通过特征提取得到目标质量特征向量，根据所述目标质量特征向量得到所述目标质量向量矩阵，根据所述饲料标准质量信息通过特征提取得到标准质量特征向量，根据所述标准质量特征向量得到标准质量向量矩阵；
18、s502：计算所述质量相似度，计算公式为：，其中，表示所述目标质量向量矩阵，表示所述标准质量向量矩阵，表示所述质量相似度；
19、s503：当＜1时，所述质量等级为所述合格饲料，当1≤≤4时，所述质量等级为所述一级饲料，当＞4时，所述质量等级为所述特级饲料。
20、一种基于浓度的液体添加剂智能调配系统，包括：
21、数据获取模块，用于获取饲料配方数据和液体混合成分数据，所述饲料配方数据包括原料编号、预设原料浓度信息；
22、数据处理模块，用于调用原料数据库，根据所述原料编号通过匹配得到原料初始浓度信息，根据所述液体混合成分数据通过配比分析模型处理得到目标原料浓度信息；
23、智能调配模块，用于根据所述原料初始浓度信息和所述预设原料浓度信息通过训练得到配比偏差模型，通过所述浓度偏差模型处理所述目标原料浓度信息得到浓度偏差值，根据所述浓度偏差值生成调整指令，根据所述调整指令得到调整结果信息，所述调整指令包括加水稀释、加原料混合，所述调整结果信息包括最终液体混合浓度，获取饲料混合湿度信息，根据所述调整结果信息通过浓度评估法处理得到原料浓度评估系数，根据所述饲料混合湿度信息结合所述原料浓度评估系数得到智能调配信息；
24、质量评级模块，用于获取饲料标准质量信息，根据所述智能调配信息生成目标质量向量矩阵，根据所述饲料标准质量信息得到标准质量向量矩阵，根据所述目标质量向量矩阵和所述标准质量向量矩阵通过余弦相似度公式计算质量相似度，根据所述质量相似度得到质量等级，所述质量等级包括特级饲料、一级饲料、合格饲料。
25、一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行上述基于浓度的液体添加剂智能调配方法。
26、本专利技术的有益效果为：
27、1. 通过设置有智能调配模块，根据原料初始浓度信息和预设原料浓度信息通过训练得到配比偏差模型，通过浓度偏差模型处理目标原料浓度信息得到浓度偏差值，根据浓度本文档来自技高网...
【技术保护点】
1.一种基于浓度的液体添加剂智能调配方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于浓度的液体添加剂智能调配方法，其特征在于，所述步骤S2具体包括以下步骤：
3.根据权利要求1所述的基于浓度的液体添加剂智能调配方法，其特征在于，所述步骤S3具体包括以下步骤：
4.根据权利要求1所述的基于浓度的液体添加剂智能调配方法，其特征在于，所述步骤S4具体包括获取加水量，根据所述最终液体混合浓度和所述饲料混合湿度信息通过所述浓度评估法处理得到所述浓度评估系数，计算公式为：，其中，表示所述浓度评估系数，α和β表示权重系数，Ai表示所述最终液体混合浓度，Wi表示所述加水量，Wk表示所述饲料混合湿度信息，根据所述饲料混合湿度信息结合所述浓度评估系数得到所述智能调配信息。
5.根据权利要求1所述的基于浓度的液体添加剂智能调配方法，其特征在于，所述步骤S5具体包括以下步骤：
6.一种基于浓度的液体添加剂智能调配系统，该基于浓度的液体添加剂智能调配系统采用如权利要求1所述的基于浓度的液体添加剂智能调配方法，其特征在于，包括：>
7.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-5中任一所述的基于浓度的液体添加剂智能调配方法。
...【技术特征摘要】
1.一种基于浓度的液体添加剂智能调配方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于浓度的液体添加剂智能调配方法，其特征在于，所述步骤s2具体包括以下步骤：
3.根据权利要求1所述的基于浓度的液体添加剂智能调配方法，其特征在于，所述步骤s3具体包括以下步骤：
4.根据权利要求1所述的基于浓度的液体添加剂智能调配方法，其特征在于，所述步骤s4具体包括获取加水量，根据所述最终液体混合浓度和所述饲料混合湿度信息通过所述浓度评估法处理得到所述浓度评估系数，计算公式为：，其中，表示所述浓度评估系数，α和β表示权重系数，ai表示所述最终液体...
【专利技术属性】
技术研发人员：颜沈军，耿欢欢，
申请(专利权)人：上海曼孚机电控制工程有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。